MétaCan
Menu
Retour à la cohorte
Enregistrement W2763988427 · doi:10.1177/2329048x17732713

Performance Monitoring in Children Following Traumatic Brain Injury Compared to Typically Developing Children

2017· article· en· W2763988427 sur OpenAlexafffund
Amy Wilkinson, Maureen Dennis, Margot J. Taylor, Anne‐Marie Guerguerian, Kathy Boutis, Karen Choong, Craig Campbell, Douglas D. Fraser, Jamie Hutchison, Russell Schachar

Notice bibliographique

RevueChild Neurology Open · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueTraumatic Brain Injury Research
Établissements canadiensWestern UniversityMcMaster Children's HospitalHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesOntario Neurotrauma FoundationMcMaster University
Mots-clésTraumatic brain injuryStop signalMedicineTypically developingPsychologyPhysical medicine and rehabilitationDevelopmental psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Children with traumatic brain injury are reported to have deficits in performance monitoring, but the mechanisms underlying these deficits are not well understood. Four performance monitoring hypotheses were explored by comparing how 28 children with traumatic brain injury and 28 typically developing controls (matched by age and sex) performed on the stop-signal task. Control children slowed significantly more following incorrect than correct stop-signal trials, fitting the error monitoring hypothesis. In contrast, the traumatic brain injury group showed no performance monitoring difference with trial types, but significant group differences did not emerge, suggesting that children with traumatic brain injury may not perform the same way as controls.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,093
Tête enseignante GPT0,389
Écart entre enseignants0,296 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChild Neurology OpenMême sujetTraumatic Brain Injury ResearchTravaux en français237 207